大语言模型(LLM)如GPT-4 [1] 、Qwen2 [2] 和LlaMA [3] 的发展引发了人工智能领域的革命，从根本上改变了自然语言处理的格局。这些基于Transformer架构并在多样化和广泛的数据集上训练的模型，在理解、解释和生成人类语言方面展现了前所未有的能力 [4] 。这些进展影响深远，涉及包括医疗保健、金融、教育在内的各个领域，促进了人类和机器之间更加微妙和高效的互动。

尽管LLMs在语言理解和文本生成方面表现出色，但由于缺乏特定领域的知识、实时更新的信息和专有知识(这些都不在LLMs的预训练语料库中)，它们可能会表现出局限性。这些差距可能导致一种被称为“幻觉”的现象，即模型生成不准确甚至虚构的信息 [5] 。因此，用外部知识补充LLMs以缓解这个问题变得至关重要。

检索增强生成(RAG)因此出现，旨在通过在生成过程中集成检索组件来增强生成内容的质量和相关性 [6] - [12] 。RAG的本质在于其能够动态查询大型文本语料库，将相关的事实知识整合到底层语言模型生成的响应中。这种整合不仅丰富了响应的上下文深度，还确保了更高程度的事实准确性和具体性。由于其卓越的性能和广泛的应用，RAG已经获得了广泛的关注，成为该领域的一个研究热点。

尽管RAG已经取得了令人印象深刻的结果并在各种领域得到广泛应用，但它在现实场景中面临一些限制：(1) 忽视关系：在实践中，文本内容并非孤立存在，而是相互关联的。传统的RAG无法捕捉到仅通过语义相似性无法表示的重要结构化关系知识。例如，在论文通过引用关系相互链接的引用网络中，传统的RAG方法专注于基于查询找到相关论文，但忽视了论文之间重要的引用关系。(2) 冗余信息：RAG在以文本片段形式串联作为提示时经常重复内容。这使得上下文变得过长，导致“迷失在中间” [13] 。(3) 缺乏全局信息：RAG只能检索文档的子集，无法全面掌握全局信息，因此在处理如Query-Focused Summarization (QFS)等任务时存在困难。

图检索增强生成(GraphRAG) [14] - [16] 作为一种新方案出现以解决这些挑战。与传统的RAG不同，GraphRAG从预先构建的图数据库中检索包含与给定查询相关的关系知识的图元素，如 图1 所示。这些元素可能包括节点、三元组、路径或子图，用于生成响应。GraphRAG考虑了文本之间的互连关系，使得关系信息的检索更加准确和全面。此外，图数据(如知识图谱)提供了对文本数据的抽象和总结，从而显著缩短了输入文本的长度。通过检索子图，我们可以访问全面的信息，通过捕捉图结构内更广泛的上下文和互连，有效地解决QFS挑战。

本节将介绍GraphRAG的一些背景知识，以便更好地理解本综述。首先，本节介绍了GraphRAG中使用的文本属性图(TAGs)，然后对GraphRAG的检索和生成阶段可以使用的两种模型类型：图神经网络和语言模型进行了正式定义。

GraphRAG是一种框架，通过利用外部结构化知识图增强LLM的上下文理解能力，从而生成更明智的响应，如 图2 所示。

GraphRAG的目标是从数据库中检索最相关的知识，从而增强下游任务的回答质量。该过程可形式化定义为：

$a^{*}=arg\underset{aϵA}{\max }p\left(a|q,g\right)$ (3)

其中 $a^{*}$是对TAG给定 $g$时查询 $q$的最优回答，A是潜在响应集合。之后，我们使用图检索器 $p_{\theta }\left(G|q,g\right)$和回答生成器 $p_{\varphi }\left(a|q,g\right)$ (其中 $\theta$、 $\varphi$是可学习参数)联合建模目标分布 $p\left(a|q,g\right)$，并利用全概率公式对 $p\left(a|q,g\right)$进行分解，公式可形式化为:

$p\left(a|q,g\right)=\underset{G\subseteq g}{{\displaystyle \sum }}{p}_{\varphi }\left(a|q,g\right)p_{\theta }\left(G|q,g\right)\approx p_{\varphi }\left(a|q,G^{*}\right)p_{\theta }\left(G^{*}|q,g\right)$ (4)

其中 $G^{*}$是最优子图。由于候选子图数量随图的大小呈指数级增长，因此需要启发式搜索算法来有效探索和检索相关子图。第一行的近似由第二行给出。具体而言，采用图检索器提取最优子图 $G^{*}$，然后生成器基于检索到的子图生成答复。

因此，在本文中，我们将GraphRAG的整个过程分解为三个主要阶段：基于图的索引、基于图的检索和基于图的生成。 图2 展示了GraphRAG的整体工作流程，每个阶段的详细介绍如下：

基于图的索引(G-Indexing)是GraphRAG的初始阶段，旨在识别或构建一个与下游任务相符的图数据库g，并在其上建立索引。图数据库可源自公开知识图 [35] - [40] 、图数据 [41] 或基于专有数据源(如文本 [14] [42] - [44] 或其他形式 [45] )构建而成。索引过程通常包括映射节点和边属性、在相连节点之间建立指针，并组织数据以支持快速遍历和检索操作。索引决定了后续检索阶段的粒度，对提高查询效率起到关键作用。

基于图的检索(G-Retrieval)紧随基于图的索引，着眼于根据用户查询或输入从图数据库中提取相关信息。具体而言，给定自然语言表达的用户查询q，检索阶段旨在从知识图中提取最相关的元素(如实体、三元组、路径、子图)，可形式化为：

$\begin{array}{c}{G}^{*}=G-Retriever\left(q,g\right)=arg\underset{GϵR\left(g\right)}{\max }{p}_{\theta }\left(G|q,g\right)\\ =arg\underset{GϵR\left(g\right)}{\max }Sim\left(q,G\right)\end{array}$ (4)

其中 $G^{*}$是最优检索的图元素，Sim()是一个测量用户查询与图数据之间语义相似性的函数。R()表示一个缩小子图搜索范围的函数，考虑到效率因素。

图增强生成(G-Generation)涉及基于检索到的图数据综合有意义的输出或响应，包括回答用户查询、生成报告等。在此阶段，生成器以查询、检索到的图元素和可选的提示作为输入来生成响应，可表示为：

$\begin{array}{c}{a}^{*}=G-Generator\left(q,G^{*}\right)=arg\underset{aϵA}{\max }{p}_{\varphi }\left(a|q,G^{*}\right)\\ =arg\underset{aϵA}{\max }{p}_{\varphi }\left(a|F\left(q,G^{*}\right)\right)\end{array}$ (5)

其中F()是一个将图数据转换为生成器可处理的形式的函数。

尽管GraphRAG技术已取得长足进步，但它仍面临着需要全面探索的挑战。本节将探讨该领域的普遍障碍，并概述GraphRAG未来研究的可能方向。